Visión artificial e inspección automática
Una cámara que cuenta, mide y detecta defectos sin que el vídeo salga de la nave
Con liberar 9,4 horas a la semana, ya está pagado.
Hay controles que se hacen mirando: que la etiqueta esté recta, que la caja lleve las doce unidades, que la pieza no venga rayada, que nadie entre sin casco. Los hace una persona, se hacen bien las dos primeras horas y regular a partir de la sexta. Y cuando pasa algo, no hay registro de qué se vio y qué no.
Qué hacemos
Montamos el modelo de visión en un equipo dentro de tu nave, conectado a las cámaras que ya tienes o a una nueva si hace falta. El vídeo no sale a ninguna nube: se procesa en el sitio y lo que se guarda es el resultado, no el metraje.
Entrenamos con tus piezas y tus defectos reales, no con un modelo genérico. Etiquetamos una muestra contigo, medimos el acierto contra el criterio de tu responsable de calidad y no damos por bueno nada que no supere el umbral que acordemos.
El resultado entra donde ya miras: un aviso en pantalla, una línea en el ERP, un rechazo en la cinta o un correo al encargado. Y siempre con la imagen del momento, para que la decisión se pueda revisar.
Empezamos por un caso único y bien acotado. Un sistema que detecta un defecto con un 96% de acierto vale mucho más que uno que promete detectar diez con un 70%.
Cómo funciona
Dónde vive el dato
Retorno de la inversión
Con liberar 9,4 horas a la semana, ya está pagado.
En un caso típico libera unas 33 h al mes, por encima de ese listón.
- Coste actual del proceso
- 2380 € /mes
- Horas liberadas al mes
- 33 h
- Inversión de implantación
- 14.500 €
- Operación
- 220 € /mes
- Ahorro neto
- 946 € /mes
- Punto de equilibrio
- 16 meses
- Resultado a 12 meses
- -3146 €
Supuestos de este cálculo (4)
- 68 h/mes equivale a una persona dedicada media jornada al control visual
- No contabiliza el coste de los defectos que hoy se escapan y llegan al cliente
- El equipo de inferencia se amortiza como inmovilizado, no como gasto mensual
- Un solo tipo de defecto bien detectado; cada defecto adicional suma al proyecto
Qué incluye
- Estudio de viabilidad con tus imágenes reales antes de presupuestar el proyecto
- Etiquetado de la muestra de entrenamiento junto a tu equipo de calidad
- Modelo entrenado sobre tus piezas y tus defectos, no un modelo de catálogo
- Equipo de inferencia dimensionado e instalado en tu planta
- Integración del resultado en el sistema que ya usáis
- Informe de acierto medido contra el criterio humano, con falsos positivos y negativos separados
- Procedimiento de reentrenamiento cuando cambie el producto
Con qué lo montamos
No trabajamos con una sola herramienta ni te casamos con ninguna. Esto es lo que solemos usar para este servicio y para qué sirve cada pieza — si ya tienes algo montado, partimos de ahí.
- Ultralytics YOLOdetección y conteo en tiempo real sobre la línea
- Segment Anythingsegmentación fina para medir y delimitar piezas
- Grounding DINOdetección por descripción cuando hay pocos ejemplos
- OpenCVel preprocesado: encuadre, iluminación y calibración
- Label Studioel etiquetado junto a tu equipo de calidad
- Roboflowgestión del dataset y de sus versiones
- NVIDIA DeepStreamvarias cámaras a la vez sobre un solo equipo
- Dockerel equipo de planta, reproducible y actualizable
Cada una de estas piezas está catalogada en el stack, con lo importante: si se ejecuta dentro de tu empresa o si al meterla tu dato empieza a viajar.
Con qué motor lo movemos
Preferimos montarlo dentro de tu red, con un modelo abierto en tu propio servidor: es la única forma de que el dato no dependa de las condiciones de un tercero. Cuando eso no encaja — por presupuesto o porque no hace falta — trabajamos con modelos low cost adaptados a lo que puedas gastar, o con modelos frontera si la tarea lo pide. Para este servicio proponemos la capa marcada, pero se cambia sin rehacer el trabajo.
En tu servidor
Lo que proponemos aquí
El dato no sale. Es lo que preferimos.
- Cuándo
- Historiales, expedientes, nóminas, contratos, datos de salud, sector público — o cualquier cosa que no puedas explicar en una auditoría si acaba fuera.
- Tu dato
- No cruza el límite de tu empresa. Ni tu proveedor de nube ni nosotros vemos el contenido.
- Cómo se paga
- Inversión inicial en hardware y después coste plano: no sube aunque dupliques el uso.
- LlamaMeta · pesos abiertos
- QwenAlibaba · pesos abiertos
- DeepSeekChina · pesos abiertos
- MistralFrancia · pesos abiertos
- GemmaGoogle · pesos abiertos
- gpt-ossOpenAI · pesos abiertos
API de bajo coste
Potencia de sobra por céntimos.
- Cuándo
- Cuando el dato puede salir y lo que manda es el volumen: clasificar, extraer, traducir, resumir, etiquetar. Miles de operaciones al mes donde lo que cuenta es el precio por unidad.
- Tu dato
- Sale al proveedor que elijas. Te decimos cuál, en qué país están sus servidores y qué dicen sus condiciones de empresa sobre entrenar con lo que les mandas.
- Cómo se paga
- Céntimos por millón de palabras. Es la capa que hace viables los volúmenes grandes sin comprar una máquina.
- Kimi K2Moonshot · China
- DeepSeekChina
- MistralFrancia · Europa
- Gemini FlashGoogle · EE. UU.
- GrokxAI · EE. UU.
- GPT miniOpenAI · EE. UU.
Modelos frontera
Cuando el trabajo es difícil de verdad.
- Cuándo
- Razonamiento largo, código, análisis jurídico o financiero, agentes que encadenan veinte pasos sin que nadie mire. Donde una respuesta mediocre cuesta más de lo que cuesta el modelo.
- Tu dato
- Sale al proveedor. Leemos sus condiciones de empresa y te las resumimos por escrito antes de firmar nada.
- Cómo se paga
- El precio por palabra más alto del mercado — y a menudo el coste por tarea resuelta más bajo, porque acierta a la primera y no hay que revisarlo.
- Claude Opus 5Anthropic · EE. UU.
- GPT-5OpenAI · EE. UU.
- Gemini ProGoogle · EE. UU.
En la práctica casi nunca es uno solo
Lo normal es enrutar: el modelo barato se come el 90% del volumen y solo lo que de verdad es difícil sube al modelo frontera. Si además hay dato sensible, esa parte se queda en el servidor local y nunca entra en el enrutado. Se factura la mezcla, no el modelo más caro — y ahí es donde una factura de IA se divide entre tres o entre diez.
Cómo elegimos el motor, en detalle →Qué necesitamos de ti
- Entre 200 y 1.000 imágenes de ejemplo, con casos buenos y malos
- Alguien de calidad que pueda decir qué es defecto y qué no
- Acceso a la ubicación para valorar iluminación, ángulo y montaje
Plazo típico: 6 a 12 semanas según el número de defectos a detectar
Lo que sueles preguntarte
¿Cuánto tarda en estar funcionando?
6 a 12 semanas según el número de defectos a detectar, contando desde que tenemos los accesos. El plazo exacto va en la propuesta, no lo dejamos abierto.
¿Salen mis datos de la empresa?
No. Todo el procesado ocurre dentro de tu red y ni tu proveedor de nube ni nosotros vemos el contenido.
¿Con qué modelo de IA lo montáis?
Por defecto lo movemos con un modelo abierto en tu propio servidor, porque aquí el dato no debería salir. Si prefieres API, se cambia — y entonces te decimos exactamente qué sale. Preferimos la seguridad del dato y montar red y sistemas en local, pero trabajamos con las tres capas: modelos abiertos en tu propio servidor, LLM de bajo coste adaptados al presupuesto —chinos como Kimi K2 o DeepSeek, europeos como Mistral, estadounidenses como Gemini o Grok— y modelos frontera como Claude Opus 5 o GPT-5. El motor se cambia en la configuración sin rehacer el trabajo.
¿Cuánto tiene que funcionar para que me salga a cuenta?
Con liberar 9,4 horas a la semana, ya está pagado. En un caso típico libera unas 33 h al mes, por encima de ese listón. Los supuestos del cálculo están publicados en esta misma página, para que puedas discutirlos.
¿Qué necesitáis de mi parte?
Entre 200 y 1.000 imágenes de ejemplo, con casos buenos y malos; Alguien de calidad que pueda decir qué es defecto y qué no; Acceso a la ubicación para valorar iluminación, ángulo y montaje. Nada más: el resto del trabajo es nuestro.
¿Cuándo NO me conviene contratarlo?
Si el defecto que quieres detectar aparece dos veces al año, no hay con qué entrenar y no sale a cuenta. Y si tu control visual actual ya acierta el 99% sin esfuerzo, tampoco: te estarías gastando dinero en igualar lo que ya tienes.
¿Puedo mantenerlo yo después, sin vosotros?
Sí. La entrega incluye modelo, dataset etiquetado y procedimiento de reentrenamiento. No trabajamos con cajas negras: si algún día quieres seguir por tu cuenta, puedes.
¿Sirven las cámaras de seguridad que ya tengo?
A veces sí y a veces no, y se comprueba antes de presupuestar. Una cámara de seguridad suele tener resolución suficiente pero mala iluminación y un ángulo pensado para vigilar personas, no para medir piezas. El estudio de viabilidad usa tus imágenes reales precisamente para responder a esto sin adivinar.
¿El vídeo de mis trabajadores acaba en algún servidor?
No. El modelo corre en un equipo dentro de tu instalación y lo que se almacena es el resultado más, si lo pides, la imagen del instante concreto en que se detectó algo. Si el caso implica grabar a personas identificables, entra el RGPD y eso lo tratamos en la ficha de cumplimiento antes de instalar nada.
¿Qué pasa cuando cambio de producto?
Se reentrena con imágenes del producto nuevo. Por eso la entrega incluye el dataset etiquetado y el procedimiento: para que tu equipo pueda hacerlo sin depender de nosotros, o para que el reentrenamiento sea una tarde y no un proyecto.
¿Encaja con lo que necesitas?
Cuéntanos el proceso concreto y te decimos si este servicio es el que te conviene — o cuál de los otros 48 lo es.